PulseAugur
中
实时 09:23:33
English(EN) Automatic Extraction of Structured Information from Brain MRI Reports Using an Open-Weight Large Language Model

LLaMA 3.1 从荷兰脑部 MRI 报告中提取数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员利用开放权重 LLaMA 3.1 大型语言模型，从 947 份荷兰脑部 MRI 报告中自动提取结构化信息。该模型在识别萎缩和病灶提及的视觉评分方面表现出高水平的性能，在多个类别中准确率超过 90%。虽然零样本性能对于分类数据表现强劲，但少样本提示显著提高了微出血和梗死计数等数值变量的准确性，表明 LLaMA 3.1 在大规模医学研究中的潜力。 AI

影响 展示了 LLM 在专业医疗数据提取方面的能力，有望加速研究和临床见解。

排序理由 详细介绍 LLM 在特定领域应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Kaouther Mouheb, Amos Pomp, Antoine Manenti, Romy de Haan, Farog Faghir, Joy Martens, Harro Seelaar, Francesco Mattace-Raso, Meike W. Vernooij, Frank J. Wolters, Stefan Klein, Esther E. Bron ·

    使用开源大型语言模型从脑部 MRI 报告中自动提取结构化信息

    arXiv:2606.07721v1 Announce Type: new Abstract: Objectives: Automatic data extraction from free-text radiology reports enables large-scale research, but few studies assessed the performance of large language models (LLMs) on Dutch neuroradiology reports. Methods: We analyzed 947 …

相关实体

相关话题